مقایسه روش ماشین بردار پشتیبان با روش های حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقایسه روش ماشین بردار پشتیبان با روش های حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روش ماشین بردار پشتیبان با روش های حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه روش ماشین بردار پشتیبان با روش های حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روش ماشین بردار پشتیبان با روش های حداکثر احتمال و شبکه عصبی برای تفکیک واحدهای سنگ شناسی :

نام کنفرانس، همایش یا نشریه : فصلنامه زمین شناسی ایران

تعداد صفحات :۲۴

تهیه نقشه های زمین شناسی توسط تصاویر چندطیفی، با توجه به نزدیکی رفتار طیفی بسیاری از سنگها می تواند امری دشوار باشد. لذا در این پژوهش روش ماشین بردار پشتیبان (SVM)، بعنوان یکی از روش های طبقه بندی تصویر که قابلیت انعطاف مناسبی برای حالات مختلف دارد مورد استفاده قرار گرفت و کرنل های مختلف آن با دو روش طبقه بندی حدکثر احتمال (MLC) و شبکه های عصبی (NNC)، بمنظور تولید نقشه زمین شناسی و با مقادیر مختلف نمونه های تعلیمی و با توجه به برداشت های زمینی و مطالعات آزمایشگاهی، مورد تحلیل و ارزیابی قرار گرفت. نتایج به دست آمده نشان داد روش SVM در هر سه کرنل خود توانسته است بیشترین دقت (%۸۳.۴۲) را نسبت به دو روش دیگر ارائه کند. همچنین روش SVM با %۵۰ از داده های تعلیمی نیز می تواند به دقتی معادل استفاده از %۱۰۰ درصد نمونه های تعلیمی برسد در حالیکه دو روش دیگر چنین قابلیتی را از خود نشان ندادند. از طرفی ارزیابی نتایج حاصل از شاخص تفکیک پذیری جفریس- ماتوستیا با نتایج دقت طبقه بندی به روش SVM، گویای این حقیقت است که این روش در داده های با تفکیک پذیری پایین تر بسیار کارآمدتر از دو روش دیگر مورد بحث بوده و بنابراین به نظر می رسد این روش برای تهیه نقشه زمین شناسی مناسب تر از دو روش فوق خواهد بود.

کلید واژه: سنجش از دور، TM5، حداکثر احتمال، شبکه عصبی، طبقه بندی SVM